SD.Next — Een vervanger voor Automatic1111 voor wie meer nodig heeft dan de standaard WebUI

Herinner je je dat lokale beeldgeneratie slechts een paar jaar geleden synoniem was met Stable Diffusion WebUI van Automatic1111? Je opende de console, wachtte tot PyTorch was opgestart, finetunede de instellingen voor je GPU, en hoopte dat het VRAM niet halverwege op zou raken. Na verloop van tijd werd de oorspronkelijke repository echter steeds moeilijker te onderhouden, en nieuwe modelarchitecturen begonnen steeds meer resources te eisen.

Vlad Mandic forkte de codebase van Automatic1111 eind 2022 en creëerde SD.Next. Het project begon als een poging om de broncode op te ruimen en maximale prestaties uit de hardware te halen, maar evolueerde naar een standalone platform voor beeld- en videogeneratie.

Wat is het verschil met de oorspronkelijke WebUI?

Kort samengevat is SD.Next een grondige revisie onder de motorkap terwijl de vertrouwde webinterface behouden blijft. De oorspronkelijke WebUI is sterk afhankelijk van Nvidia GPU's en CUDA-bibliotheken. Als je een AMD, Intel Arc of een laptop met een Apple M-serie chip hebt, werd het draaiend krijgen van de klassieke WebUI een queeste met het compileren van bibliotheken en het zoeken naar de juiste opstartargumenten.

SD.Next is vanaf de basis gebouwd met cross-platform ondersteuning. Tijdens de eerste installatie detecteert het script automatisch je hardware en stelt het een geschikte configuratie samen.

Wat zit er interessants onder de motorkap

Grote modellen draaien op bescheiden hardware

Het hoofdprobleem met moderne diffusienetwerken is hun honger naar videogeheugen. Een kaart met 8 GB VRAM raakt snel verstopt wanneer je een nieuw model op hoge resolutie probeert te draaien.

SD.Next heeft twee mechanismen toegevoegd:

1. Kwantisering via de SDNQ-engine. Het model wordt realtime gecomprimeerd of gebruikt kant-en-klare gekwantiseerde gewichten. Dit vermindert het geheugenverbruik tot 4 keer met minimale impact op detail.
2. Balanced Offload. Een systeemmechanisme dat model-lagen verdeelt tussen videogeheugen en systeem-RAM. Als de GPU-gigabytes niet voldoende zijn, verschuiven sommige berekeningen naar de CPU om een Out of Memory-fout te voorkomen.

Ondersteuning voor elke hardware

De ontwikkelaars onderhouden een lange lijst met hardware-accelerators:

• Nvidia via CUDA
• AMD op Linux en Windows via ROCm of ZLUDA
• Intel Arc met OneAPI en IPEX
• Elke GPU's en CPU's via OpenVINO
• DirectML voor grafische kaarten met DirectX-ondersteuning op Windows
• Apple M1/M2/M3-chips met Torch MPS-backend

Als je de omgeving wilt isoleren, heeft het project officiële Docker-images voor CUDA, ROCm, OpenVINO en Intel IPEX.

Automatische labeling en taalmodellen

Meestal moet je om beschrijvingen voor afbeeldingen voor te bereiden, extensies van derden of aparte hulpprogramma's installeren. SD.Next heeft een ingebouwde module voor automatisch labelen van afbeeldingen. Het gebruikt meer dan 25 modellen, waaronder VLM/LLM-netwerken, OpenCLIP en taggers zoals WaifuDiffusion en DeepDanbooru. Dit versnelt de datasetvoorbereiding voor het trainen van je eigen LoRA-adapter.

Hoe te beginnen

Installatie is teruggebracht tot drie commando's in de terminal:

git clone https://github.com/vladmandic/sdnext
cd sdnext

# Для Linux или macOS:
./webui.sh

# Для Windows:
webui.bat

Bij de eerste start downloadt het script afhankelijkheden, detecteert het de GPU en selecteert het optimalisatie-vlaggen. De interface is aangepast voor mobiele schermen, dus je kunt het generatieproces direct vanaf je telefoon op het lokale netwerk bedienen.

Voor wie is dit interessant

SD.Next komt zeker van pas in verschillende gevallen:

• Je hebt een AMD, Intel Arc of Mac GPU en bent het beu om hoepjes te moeten springen met de standaard WebUI.
• Je GPU heeft beperkt VRAM, maar je wilt experimenteren met zware modellen zonder geheugenproblemen.
• Je bouwt datasets en hebt ingebouwde tools nodig voor labeling en tagging.

Als je gewend bent aan ComfyUI met zijn node-gebaseerde workflow, is er weinig punt om over te schakelen naar een tabelgebaseerde interface. Maar als complete oplossing voor snelle beeld- en videogeneratie dekt SD.Next de meeste dagelijkse taken.